【誌上体験】音声発話技術と歌声合成の最前線、「VoiceText」の最新技術とそのしくみ

編集部

「VoiceText」はどのようなシーンで活用されていますか?

HOYA

構内放送や防災放送、ロボットのほかにも、動画マニュアル、スマートフォンやパソコンのアプリケーション、映像コンテンツやeラーニング等のナレーション、目の不自由な方向けにホームページの画面などを読み上げるスクリーンリーダーなど、音声を発するものであればどんなシーンでも幅広く利用されています。また、ワープロソフトの「一太郎」では入力した文章を校正用に読み上げる機能として活用されています。
珍しいところではテレビ東京様の「モヤモヤさまぁ〜ず2」のナレーションもVoiceTextが担当しています。この場合は、番組のテイストに合わせて、むしろ機械っぽい発話でナレーションを展開していますが、最近の音声ガイダンスや情報提供では機械っぽさを感じない例も多数あります。

編集部

VoiceTextは音声を作って話す技術だと思いますが、どのような特徴がありますか?

HOYA

VoiceTextの最も大きな特長は「肉声感」と「豊かな感情」です。滑らかに、明瞭に、自然な肉声に近い声で発話できることが特徴です。
例えば、感情の豊かさでは、同じセリフの発話でもこのように感情の変化をつけることができます。

編集部

感情による表現の違いは明らかですね。機械に言われているのに、こちらもうれしくなってきますね(笑)
音声合成の技術にはいくつかの方式や種類があるんですか?

HOYA

現在よく利用されている音声合成の技術としては「波形接続型」と「HMM型」の2種類があります。波形接続型は人間の声に近くて自然です。HMM型は開発がしやすく、感情表現が豊かなことが利点です。

編集部

HMM型音声合成「VoiceText Micro」のしくみがわかりました。特徴をまとめて教えて頂けますか

HOYA

VoiceText Microの音声合成の特徴は大きく3つあります。
「豊かな感情音声表現」「様々な個性のキャラクターボイス」「ひとつだけのオリジナルボイス」です。


「感情表現」は「普通」「喜び」「悲しみ」「怒り」の4パターンで、4段階の強弱が設定できます。
次の様々な個性のキャラクターボイスについてですが、お爺さん、お婆さん、女の子、猫や熊、ロボット、マルチリンガルなど、様々なキャラクターに合わせて音声を用意しています。

「音声合成の声優事務所」というキャラクターボイスを体験して頂けるホームページを用意していますので、ぜひ視聴して体感してください(リンクは次ページ)。

3つめの「ひとつだけのオリジナルボイス」は、お客様ご指定のナレーター・声優からオリジナルの音声合成器を作成するサービスです。個性的なキャラクター作りにとても役立ちます。ロボットでは特に声の個性は重要とされていますね。

編集部

音声合成技術以外にも特徴はありますか?

HOYA

多言語対応も特徴のひとつです。11種類の言語に対応していて、すべての言語をHOYAグループ内で開発しています。今後30種類以上の言語に対応予定です。
英語もアメリカ英語、イギリス英語など数種類に対応します。それぞれの言語はネイティブ・スピーカーの録音した音声データを素に生成が行われています。
マルチリンガルの方の声を録音すれば、ロボットが同じ声でマルチリンガルで発話するといったこともできます。

編集部

開発中の新しい技術もご紹介頂けますか?

HOYA

「歌声合成」「方言」「話し言葉」等を目標に開発中です。まず「歌声合成」を聞いてみてください。